AI能写代码，但它不懂业务规则：Vibe Coding下最危险的安全盲区
悟空代码安全团队 2026-08-13 17:47 广东
2026年2月，AI社交应用Moltbook上线24小时内被攻破，150万API密钥泄露——攻击者只用了几行浏览器端代码。但这只是冰山一角。
Veracode对150余个AI模型的两年测试发现，AI生成代码的语法正确率已从50%升至95%，安全通过率却始终停在约55%；AI代码正变得越来越“像样”，安全性却没有同步提升。代码生成速度与安全能力之间的剪刀差，正让业务逻辑风险以更快速度进入生产环境。
本篇结合悟空发现的真实案例，聊聊 vibe coding 如何改变业务风险，以及悟空如何应对随之变化的安全威胁。
一、 Moltbook 事件，揭开 Vibe Coding 的安全盲区
2026年2月，爆火的 AI 社交应用 Moltbook 被曝存在严重安全漏洞：由于后端数据库配置错误，近15万个 AI 智能体的邮箱、登录令牌和 API 密钥直接暴露在公网。攻击者一旦拿到密钥，就可能接管账号、冒充其身份发布内容或执行操作。
这正是 AI 写代码发展至今一个愈发突出的矛盾：生成能力和交付速度在持续提升，安全能力却没有同步跟上。
过去，AI 写出的烂代码一眼就知道不能用；如今，AI 生成的代码越来越完整，越来越符合“可以直接运行”的代码标准，但是安全问题却没有同比减少。写代码的速度与安全能力没有同频增长，这正是 Vibe Coding 最值得警惕的剪刀差。
二、 公开漏洞样本和实际业务风险显示：业务逻辑风险正在成为主要问题
上面的案例并不是一个孤立事件。随着软件系统复杂度提升，以及 AI Coding 加速代码生成，越来越多安全问题开始从传统技术漏洞，转向对业务规则和系统流程的滥用。
这一变化首先体现在公开漏洞数据中。悟空团队在五月底发布的 VulnGym 基准中，对 GitHub Advisory（Reviewed）收录的漏洞进行了分析。2025 年 1 月至 2026 年 4 月披露的高危和严重漏洞，共包含 3,632 条漏洞记录。分析结果显示，业务逻辑类漏洞占比从 2025 年的 26.11% 上升至 2026 年前四个月的 39.59%，并且按月份观察仍保持增长趋势。
这一变化不止出现在公开数据中，我们在腾讯内部的真实业务安全治理中也观察到同样趋势：业务逻辑类风险在整体风险中的占比持续升高。
无论是权限边界、流程控制，还是资源使用规则，越来越多问题并非来自代码实现错误，而是来自代码实现与业务预期之间的不一致。
这意味着，随着 AI Coding 进一步降低软件开发门槛，安全问题的重点也正在发生变化。过去我们更多关注“代码有没有写错”，未来需要更多关注“代码实现是否符合业务预期”。
三、 传统代码安全能力的困境
传统代码安全方法擅长发现"明确的危险模式"——危险API调用、SQL注入、XSS等已知代码特征。但业务逻辑风险是另一类问题：代码本身没有明显错误，
但运行结果偏离了业务设计目标。例如：
这些问题的共同点是：安全约束存在于业务语义中，而不是单纯存在于代码结构中。
人工审查同样面临挑战： AI Coding 之后，代码生成速度提升、变更频率增加、多仓库多业务并行演进、相似代码快速复制——安全人员面对的已经不是一个漏洞点，而是如何持续理解大量快速变化的软件行为。
因此，需要一种新的安全验证方式：不仅判断代码“有没有危险写法”，还要判断代码“是否符合它所服务的业务规则”。
AI Coding 解决了如何更快的生产代码，安全团队需要解决的是：如何保障这些 AI 生成代码安全的进入生产环境。
四、 悟空 Agent：从代码理解走向业务安全理解
面对这类问题，悟空探索的方向不是简单增加更多规则，而是尝试建立代码、业务和安全之间的关联理解，核心目标是：判断代码实现是否违背业务意图、身份边界、权限约束和交易规则。
为此，悟空主要围绕三个层面建立理解能力：
代码语义理解：代码到底做了什么
代码自身行为，包括条件判断、数据来源和数据流向等。例如，某接口权限校验函数确实被调用，但校验结果没有参与后续判断。从代码结构看“权限校验存在”，但从实际执行逻辑看：“权限限制并没有生效”。
业务安全语义理解：这些代码在业务上意味着什么
VIP 权益、可信身份来源、登录要求、订单幂等、0 元商品风控……这些不是单纯的语法概念。悟空尝试将代码实现与这些业务安全语义对照，发现两者之间的矛盾。
跨链路理解：单点正常，整体是否安全
真实业务风险有时会隐藏在多个环节组合中。单个接口有权限检查、有参数校验，但多个接口组合后可能会出现某条路径绕过校验等。因此，悟空会沿着业务链路理解系统整体行为，而不是只分析单个功能接口。
五、 真实案例：悟空发现的那些“代码能跑、逻辑却错了”的安全风险
这些案例都有一个共同特征：业务可能已经上线稳定运行了一个月，代码中也不存在任何一个危险函数调用如 Runtime.exec()，所以传统SAST工具往往会漏掉这些风险。
案例 1（非会员薅 VIP 折扣）
某交易系统中，VIP 用户可以享受专属折扣。代码实现过程中，资格判断逻辑存在错误，导致非 VIP 用户也可以进入优惠分支，并最终以优惠价格完成支付。
从代码层面看：页面正常；接口正常；支付流程正常。
但从业务规则看：“无资格用户获得了专属权益”。
悟空通过分析函数语义、条件逻辑和业务规则之间的关系，发现了这一偏差。
↓
案例 2（获取任意用户手机号）
某服务接口用于查询用户手机号。接口具备基础认证能力，但缺少进一步的数据归属校验。结果是：普通用户在满足登录条件后，可以查询其他用户绑定的手机号。
这里的问题不是：“接口有没有认证”。
而是：“当前身份是否有权限访问目标数据”。
悟空识别出了“能够调用”和“有权访问”之间的权限边界缺失。
↓
案例 3（订单重复创建）
某交易系统存在多个下单路径。其中海外路径缺少与国内路径一致的幂等保护，并且幂等标记在订单创建后才异步写入。在并发请求情况下：多个请求可以同时通过检查，并重复创建订单、发放权益。
单个接口看：没有明显漏洞。
但从完整业务流程看：安全约束在不同路径之间并不一致。
悟空通过跨链路分析发现了这一时序问题。
↓
这些问题的共同点是：代码可以运行，功能可以完成，但最终业务结果已经偏离系统原本定义的安全边界。
六、从一例漏洞情报，到消除同类风险
在 Vibe Coding 背景下，发现一个漏洞只是第一步。更重要的问题是：同类风险是否还存在于其他仓库、模块和业务链路中？
过去，一个漏洞被披露/发现后，通常先修复当前问题；至于相似接口、相似模块中是否存在同类遗漏，往往仍要依赖安全人员重新分析。
悟空 Agent 致力于将一次漏洞发现转化为可复用能力：漏洞情报/发现 → 理解漏洞产生原因 → 提炼业务规则和风险模式 → 泛化漏洞检测策略 → 扩展到更多代码和业务链路。
我们选取 2024 年至今 60 个已闭环外部上报的权限类漏洞工单，基于漏洞修复前代码进行回溯分析。结果显示：悟空成功识别并覆盖其中 54 个，历史漏洞回溯覆盖率达到 90%；同时，在对应版本代码下的同仓库中，进一步检出 41 个同类新风险。
过去，白帽子发现的是一个风险点。
现在，悟空 Agent 可以帮助快速理解这个风险背后的模式，并继续寻找更多可能存在的问题。
这使得漏洞不再只是一次性的修复任务，而可以沉淀为持续扩展的安全能力。
七、最后一公里：悟空与业务共同完成风险闭环
AI 可以帮助我们在海量代码中持续发现风险，但真正把风险从“发现”推进到“确认”，再到“闭环”，仍然需要安全团队与业务团队共同完成最后一公里。
真实业务环境，是风险闭环的最后一步。
悟空能够根据代码上下文自动生成验证路径、并组织完整的利用证据。但业务风险最终是否成立，仍然依赖真实业务接口、权限配置和部署环境等运行上下文。自动化验证回答的是”代码是否存在问题”，真实业务环境回答的是”业务是否真正受到影响”。
业务上下文，是 AI 理解业务逻辑的最后一块拼图。
数据敏感等级、例外授权、领域规则、跨仓库依赖等关键信息，往往不存在于代码中，而掌握在业务团队手里。只有将这些业务知识引入分析过程，AI 才能更准确地理解业务逻辑，进一步降低误报、提升判断质量。例如，随着业务不断服务化，权限校验越来越多地分散在多个服务、多个代码仓之间，我们在联合试点中引入仓库依赖信息后，悟空 Agent 通过跨代码仓链路追踪，成功消除 66.7% 的风险告警误报，实现了安全服务质量的极大提升。
Vibe Coding 要跑得更快更稳，靠的不只是更强的 AI 工具，更需要人和 AI 的协作：悟空 Agent 负责规模化发现风险，业务团队负责提供关键业务上下文，双方配合把风险从发现到确认形成闭环。我们也期待与更多业务团队共同探索，让业务知识持续沉淀为 AI 的安全能力，在更快交付的同时，让安全也跟得上速度。
结语：当代码可以高速生成，让它值得被信任更重要
AI 正在让代码生产从稀缺能力变为低门槛、近乎无限供给的能力。
但业务规则、身份边界、权限约束和交易安全，不会因为代码由 AI 生成而自动成立。代码生成越快，错误逻辑被复制、被合并、被推向生产的速度也可能越快。
因此，AI Coding 时代需要的不只是生成能力，还需要一层能够持续理解业务意图、识别逻辑偏差、追踪关键链路，并将历史经验快速泛化为新风险发现能力的安全控制层。
悟空所做的，正是让“代码能运行”进一步走向“代码值得被生产系统信任”。
本文案例均来自真实外部漏洞案例，相关细节已做脱敏处理。
关于腾讯悟空代码安全团队
腾讯悟空代码安全团队（WuKong, Tencent）隶属腾讯安全平台部，专注于 AI 驱动的漏洞检测与安全风险治理。自研悟空代码安全 Agent 已在 GitHub 知名开源项目中累计发现并确认 400+ 0day 漏洞，包括多例 Linux 内核提权漏洞，获微软、英伟达、Apache 等知名企业与开源组织致谢。团队曾发布业内首个项目级 AI 生成代码安全评测集 A.S.E，项目级白盒代码审计评测集 VulnGym（业务逻辑漏洞）。团队成员过往研究成果发表于 S&P，USNEIX Security，FSE，ASE，ICSE，ACL 等国际顶尖学术会议。